Recherches sur Internet: méthode et astuceseprints.rclis.org/15521/6/25970.pdf · Recherche sur...

Recherche sur Internet: mthode et astuces / [email protected] page 1

Recherches sur Internet: mthode et astuces

Version Date Contributeur

1.2alpha Mai 2008 Mise jour en cours

1.1 Septembre 2006

Mise jour selon lvolution des moteurs de recherche

1.0 Mai 2006 Christophe Dupriez, [email protected]

Ce texte est distribu sous licence Creative Commons 2.0 dans sa variante "Paternit maintenir Usage non commercial Partage sous licence identique":

http://creativecommons.org/licenses/by-nc-sa/2.0/be/legalcode.fr

Table des matires

Problmatique d'ensemble...............................................................................1

Si vous avez autre chose faire...............................................................1

Comment font les autres ? ...........................................................................1

Du questionnement aux rponses, tout un voyage! .....................................2

Qu'est ce qu'un moteur de recherche sur Internet........................................2

Des ides aux mots ..................................................................................3

Des mots aux ides ..................................................................................4

Choisir de bons mots-cls ? .........................................................................4

1. Le niveau smantique...........................................................................5

2. Le niveau terminologique......................................................................5

3. Le niveau lexical ...................................................................................5

Moteurs de recherche ......................................................................................6

Le moteur de recherche Google...................................................................6

Termes chercher:...................................................................................6

Oprateurs logiques (boolens):...............................................................7

Limites: .....................................................................................................7

Dates: .......................................................................................................7

Tri du rsultat:...........................................................................................8

Le moteur de recherche Exalead.com........................................................10

Termes chercher:.................................................................................10

Oprateurs logiques (boolens):.............................................................11

Tris des rsultats: ...................................................................................11


Stratgie de recherche documentaire ............................................................12

Procdure de recherche suggre par l'Universit de Berkeley:................12

Procdure complte -- Besoins et solutions ...............................................13

Procdure complte -- Pour chaque expression de recherche...................13

Petit rappel des oprations boolennes .....................................................14

Rappel et prcision.....................................................................................14

Grandes tapes dans la prparation d'une recherche Google ou Exalead 15

Adapter sa recherche au type d'information ...............................................15

Un objet "identifi": .....................................................................................15

Un "nom propre".........................................................................................16

Un lieu:....................................................................................................16

Une institution ou une entreprise: ...........................................................17

Une personne: ........................................................................................17

Un "nom commun" .....................................................................................17

Un objet ..................................................................................................18

Un concept..............................................................................................18

Une source.................................................................................................18

Un nombre..................................................................................................19

L'analyse du rsultat des recherches.............................................................19

Le document:..............................................................................................19

Le contexte d'un document:....................................................................19

Les lments d'un document: .................................................................20

Les types de document:..........................................................................20

Bibliographie sur les mthodes de recherche ................................................21

Ce document sera rgulirement mis jour: veuillez contacter [email protected] pour vous inscrire aux mises jour, pour signaler des erreurs ou pour faire des suggestions


Problmatique d'ensemble

Si vous avez autre chose faire

Si vous n'avez pas le temps ou le courage de faire par vous-mme une recherche, telle que ce qui suit, il y a des spcialistes de linformation, des bibliothcaires qui peuvent vous aider:

Le Guichet du Savoir vous rpond en 3 jours ouvrables maximum: http://www.guichetdusavoir.org/GdS/

Les bibliothques publiques francophones de Belgique ont uni leurs forces: http://www.bibliothequevirtuelle.be/

On trouve ce genre de service dans d'autres pays comme les Pays Bas ou l'Angleterre: http://www.questionpoint.org/crs/servlet/org.oclc.home.TFSRedirect?SS_COMMAND=CUST_SUP&Category=COE

Des encyclopdies peuvent apporter une bonne rponse gnrale sur un sujet donn. Il faut toutefois garder son esprit critique car la qualit des rubriques est ingale: http://www.wikipedia.fr, http://www.answers.com

Comment font les autres ?

En avril 2006, Harvest Digital a tudi la faon dont 205 internautes britanniques (utilisateurs de Internet depuis 3 ans et y passant plus de 10 heures par semaine) utilisaient les moteurs de recherche:

- Google est utilis par 94% des internautes mais 76% des internautes utilisent plusieurs moteurs de recherche.

- 47% des personnes interroges passent plus de 3 heures par semaine rien qu'en recherches

- 68% des internautes utilisent 3 mots cls ou plus pour exprimer leurs recherches

- Au niveau de leurs checs de recherche, 36% des internautes les imputent des mots cls quils choisiraient mal. 32% estiment que l'information quils recherchent est trop spcialise. Seulement 8% pensent que cela pourrait tre d au moteur de recherche.

- 24% des internautes n'apprcient pas la prsence de liens sponsoriss.

- L'tude a galement demand ce qui, daprs les internautes, pourrait amliorer leurs rsultats : plus d'entranement et d'exprience pour 50% des sonds, l'utilisation de plusieurs moteurs pour 9% et de meilleurs moteurs pour seulement 5%...

http://www.harvestdigital.com/fact_sheets.cfm

Nous allons essayer d'apporter une rponse cette moiti des internautes qui demandent amliorer leur comptence en recherche. Et le choix des mots-cls est videmment le principal point critique


Du questionnement aux rponses, tout un voyage!

Il y a tant de problmes et tant de solutions, que le plus difficile est de se rappeler de ceux qui nous importent vraiment !

S'organiser pour ne pas se perdre dans notre voyage sur Internet: comme le Petit Poucet, garder des traces pour se rappeler de ses choix: Noter un mot ou l'autre, faire un schma Si on est interrompu, si on a suivi un chemin de traverse, si on revient quelques jours plus tard, les pages traces de notre main ont souvent le pouvoir de nous ramener l o nous en tions dans notre rflexion.

Des logiciels comme Scrapbook ou NetSnippets apportent aussi une solution celui qui veut organiser rapidement les informations recueillies et tre en mesure de les republier facilement vers ses collgues: http://amb.vis.ne.jp/mozilla/scrapbook/ et aussi Zotero : http://www.zotero.org/

Des services Internet comme http://del.icio.us permettent aussi de consigner ses rsultats de recherche en les partageant avec dautres Internautes.

Qu'est ce qu'un moteur de recherche sur Internet

Grce Internet, des millions dauteurs rendent accessibles tous des milliards de documents.

Des dizaines de "spiders" (ou web crawlers ) parcourent inlassablement le Web, obtiennent les documents un un et crent leur index (pour chaque mot apparaissant dans lun ou lautre document, quels sont les diffrents documents qui le contiennent ?). Certains spiders gardent une copie du document pour pouvoir le prsenter mme si loriginal disparat ou pour pouvoir analyser ce qui a chang entre deux passages.

Auteurs

Documents

Index

Expression de recherche

Indexation ("spider")

Moteur de Recherche

Ides

mots mots

URLs des documents

trouvs

Ides Internautes


Sur base du travail de leur spider , les moteurs de recherche permettent des centaines de millions dinternautes d'exploiter les index pour trouver les documents dont ils ont besoin.

Google exploiterait prs de deux cent milles ordinateurs (mars 2006).

Des ides aux mots

L'auteur a des ides: il les transcrit par des enchanements de mots (avec parfois aussi des images et mme des sons), dans un ou plusieurs documents inter-relis.

Ces documents sont relativement statiques: ils contiennent, en quelque sorte, des rponses prpares l'avance.

L'information qui est retrouve par les moteurs de recherche, c'est celle que le programme d'indexation ("spider") peut trouver en suivant les liens entre documents. En consquence:

o ce qui n'est pas crit n'est pas index,

o ce qui nest pas dpos dans un serveur accessible de lInternet nest pas index,

o ce qui n'est pas li au document racine dun serveur, en un nombre limit dtapes (ou directement par un document extrieur) n'est pas index,

o ce qui nest pas accessible gratuitement nest pas index.

Et tout ce qui n'est pas index nest videmment jamais trouv par les moteurs de recherche

Quand on parle avec un spcialiste, celui-ci labore une rponse en fonction des questions qui lui ont t poses. De la mme manire, il y a des applications informatiques qui produisent dynamiquement des informations selon les donnes d'un problme qu'on leur soumet par formulaire.

C'est le Web "invisible", la partie du Web que les "spiders" ne peuvent pas indexer puisqu'ils ne connaissent pas les donnes des problmes !

Des catalogues ont t dresss par diffrentes institutions pour trouver ces banques de donnes invisibles pour les "spiders".

o Dadi est un rpertoire des banques de donnes gratuites: http://dadi.enssib.fr/

o GoshMe pourra tre un trs bon outil pour chercher dans plusieurs banques de donnes "invisibles" et pour proposer celles qui semblent les plus pertinentes pour un ensemble de mots cherchs: http://www.goshme.com/

L'internaute a des besoins mais ce qu'il cherche ce sont des solutions: quels sont les mots que les auteurs ont pu utiliser pour dcrire des solutions aux besoins de l'internaute ?


Entre les ides de l'auteur et les besoins de l'internaute, il y a:

o Les mots et la langue de l'auteur

o Les hypothses, les axes de solution ses besoins que l'internaute est capable d'imaginer

o La langue et les mots de l'internaute

Comment grer cette fracture entre les auteurs et les internautes ?

Des mots aux ides

Heureusement, l'internaute est dans un processus dynamique. Petit petit, l'internaute peut amliorer la rdaction de ses requtes de recherche en effectuant les tapes suivantes:

1. Rdiger une expression de son besoin (Quoi? Pour quoi? Qui? Pour qui? Comment? O? Quand?)

2. Rassembler quelques documents qui parlent de son besoin et qui voquent des axes de solution et simprgner des principaux concepts du domaine

3. Rdiger une expression pour chaque axe de solution possible

4. Pour chaque langue que l'on comprend, indpendamment, choisir de bons mots cls (la recherche terminologique)

5. Identifier des sources adquates: auteurs, institutions, entreprises, banques de donnes ou sites spcialistes du problme rsoudre (navigation "horizontale" ; si ncessaire, chercher atteindre le Web invisible en utilisant des moteurs de recherche spcialiss)

6. Trouver des documents qui apportent l'un ou l'autre lment de rponse au besoin (la stratgie de recherche documentaire)

Une recherche sur Internet, c'est donc un tout un processus dont on a intrt conserver les diffrents lments dans un dossier.

Nous ne connaissons pas de logiciel qui appuie spcifiquement l'enchanement de ces tapes mais Scrapbook, NetSnippets ou Del.icio.us sont une base quil faudrait complter avec des outils terminologiques.

On ajuste videmment la rigueur dans le suivi de cette mthode selon limportance et la difficult de sa recherche.

Choisir de bons mots-cls ?

C'est la cl ! Mais on se confronte trois niveaux de problmes dont on doit tre profondment conscient pour pouvoir les surmonter:


1. Le niveau smantique

L'information permet les dcisions et les dcisions permettent l'action. La valeur des informations est celle des actions quelles dclenchent.

C'est dans ce cadre, qui part de la volont d'action, qui passe par la prise de dcisions, que se trouve la motivation de vos recherches sur Internet.

Le niveau smantique est donc le choix des concepts et surtout des combinaisons de concepts l'intersection (ET / AND) desquels se trouvent les informations dsires.

La stratgie de recherche documentaire explique dans ce document suit cette approche.

Cest assez paradoxal mais, souvent, on ne sait pas vraiment ce qu'on cherche ! On ressent un besoin, on pressent des solutions et cest dans la confrontation avec ce qui existe (avec ce quon voit sur Internet) que les choses se prcisent. La promenade est parfois plus fconde que la recherche

2. Le niveau terminologique

Pour chaque concept, le choix des termes (un terme tant form dun ou de plusieurs mots) est ensuite critique comme expliqu un peu plus loin. Il faut essayer de ne pas oublier des termes possibles pour le concept que l'on dsire trouver: on voudra alors trouver des variantes orthographiques, des synonymes, des traductions dans dautres langues que lon comprend. On saidera de glossaires, de dictionnaires, de textes explicatifs, etc.

On trouve assez facilement des documents avec les termes que lon utilise soi-mme. Le dfi est de trouver ceux avec les termes que d'autres utilisent pour le mme concept.

3. Le niveau lexical

Ce niveau est le plus technique et peut jouer de mauvais tours car les moteurs de recherche ne donnent pas tous les outils ncessaires pour les problmes que l'on peut rencontrer ce niveau. Mentionnons:

- la frontire entre les mots: o commencent-ils, o finissent-ils ? pipe-line ou pipeline ? H2O ou H 2 O ?

- l'allemand et le nerlandais permettent de runir plusieurs mots en un seul

- les alphabets diffrents d'une langue une autre: un mme nom propre peut tre orthographi diffremment dans l'alphabet arabe, cyrillique ou japonais

- les accents: "The" vs "th", "de" vs "d", "poisson sale" vs "poisson sal", etc.

La ponctuation qui n'a pas d'importance SAUF dans les nombres (ponctuation diffrente entre l'Amrique et le Systme International), dans les formules chimiques, en musique, etc.


Moteurs de recherche

Le moteur de recherche Google

Termes chercher:

La documentation de Google sur son interprtation des requtes est pour le moins spartiate. Lvolution du fonctionnement observ montre que ceci est sans doute dessein pour garder une libert de changement maximale. Ce qui suit a dailleurs d tre remani cause de modifications rcentes.

H2O est cherch comme un seul mot et Google ne trouve alors pas les documents avec H 2 O ou H2O dans leur texte. Ceux-ci sont retrouvs en demandant "H 2 O". En thorie H-2-O (voir plus loin le rle du tiret) devrait trouver aussi bien H2O que H 2 O et H2O. Malheureusement, loprateur tiret ne fonctionne que pour deux mots (par exemple pipe-line) et pas pour trois et plus.

mot : Un mot et ses variantes singulier/pluriel - masculin/fminin avec/sans accents. Par exemple chevaux daron retrouve cheval daron: cet algorithme fonctionne en franais et en anglais mais pas en nerlandais (il ne connat pas les pluriels en "en"). Attention : la variante que vous spcifiez est favorise dans le tri des documents prsents.

~mot : Un mot et ses synonymes. Fonctionne avec un dictionnaire anglais mme sur les recherches en franais et nerlandais ! Essayer la requte ~automobile -automobile pour voir les mots trouvs en dehors du terme strict automobile. ~arabic retourne Egypt, Lebanon, Arab et Hindu ! Plus de transparence dans la gestion des synonymes serait bienvenue.

"mot" : Un mot exact. Google ne tient pas compte de laccentuation pour la recherche mais favorise la forme spcifie lors du tri des documents prsents.

"mot mot" : une suite de mots spcifiques, une expression

"mot * mot": dans une suite de mots entre guillemets (et seulement l), une toile peut tre mise la place d'un ou plusieurs mots complets qu'on ne dsire pas spcifier. Par exemple : "ministre du * et du commerce"

site:www : un domaine d'origine. On peut tre plus ou moins gnral et mme indiquer des domaines de premier niveau. Par exemple : site:org OR site:com

title:"mot mot" : une suite de mots spcifiquement dans le titre du document (balise et/ou premire balise )

+mot : chercher ce mot mme si c'est un mot vide dans la langue de l'utilisateur ( +de en franais par exemple) et le chercher en tenant

compte des accents ( +ds par exemple). Un + est assum si un seul

mot est cherch : th seul est cherch comme si on avait tap +th.

(Cette forme a donc une signification trs diffrente de celle de Altavista o le "+" indiquait des mots obligatoires)


Lors du tri des documents, Google donne la prfrence la forme tape : loprateur + na donc plus beaucoup dintrt.

mot-mot : chercher un terme compos de plusieurs mots, qu'il soit crit avec des tirets, des espaces ou mme sans espace du tout: gratte-ciel trouve gratte ciel, gratte-ciel et gratteciel .

gratte-ciel ne signifie pas du tout la mme chose que

gratte -ciel (voir l'oprateur "-"). Attention: ceci ne fonctionne

bien qu'avec un seul tiret (va-nu-pied ne fonctionne pas bien ! ).

Oprateurs logiques (boolens):

espace : les documents doivent contenir ce qui est droite ET ce qui est gauche. Le tri de Google favorise les documents o les diffrents mots spcifis sont proches l'un de l'autre (voir plus bas).

OR ou | : les documents peuvent contenir ce qui est droite OU ce qui est gauche. Attention : OR doit tre crit en majuscules !

espace- (signe moins) : exclure les documents contenant le mot qui suit (SAUF)

( ) : sous-expression valuer avant de faire les oprations avoisinantes

Le GoogleGuide vous donne dautres exemples : http://www.googleguide.com/advanced_operators_reference.html

Le site de HotBot Etats-Unis fournit un formulaire de recherche Google parfois plus pratique que celui de Google mme.

Limites:

Les requtes sont limites 32 mots.

Seuls les 1000 premiers rsultats pertinents pour une requte sont accessibles, et ce mme si les correspondances sont plus nombreuses. Les rsultats peuvent mme parfois tre moins de 1000 en raison de la suppression des pages provenant dun mme site. Daprs Google, obtenir plus de 1000 rsultats entranerait une lourde charge supplmentaire pour une demande finalement assez rare. Normalement, le tri assure que les rfrences les plus utiles sont en premier (qui peut le vrifier ? les concurrents aux prises avec les mmes problmes techniques ?)

Dates:

Lors d'une recherche par dates, la date est celle de l'indexation dans la banque de donnes (i.e. la visite du spider Google) et non celle de la publication effective de la page (telle que fournie par le serveur http://)

Dans le formulaire de recherche avance, vous pouvez faire une recherche sur les derniers 3, 6 et 12 mois.

Loprateur daterange:date julienne-date julienne (ou le formulaire du site de HotBot) permet de spcifier un autre intervalle de dates. Une date


julienne est le nombre de jours couls depuis le dbut de notre re : le site http://www.numerical-recipes.com/julian.html peut vous aider le calculer.

Tri du rsultat:

La qualit de Google vient de sa capacit montrer en premier les pages juges les plus pertinentes en gnral et les plus pertinentes une recherche en particulier.

Google trie les documents trouvs en fonction:

- de mesures de qualit du site en gnral et aussi de chacune des pages (cohrence des mta-informations avec le texte visible de la page par exemple). Ces mesures ne sont pas ou peu documentes.

- une mesure du poids de chacune des pages indexes: Il s'agirait de l'algorithme PageRanks dont voici un extrait cit de Google :

We assume page A has pages T1...Tn which point to it (i.e., are citations). The

parameter d is a damping factor which can be set between 0 and 1. We usually

set d to 0.85. There are more details about d in the next section. Also C(A) is

defined as the number of links going out of page A. The PageRank of a page A

is given as follows:

PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))

Note that the PageRanks form a probability distribution over web pages, so

the sum of all web pages' PageRanks will be one.

PageRank or PR(A) can be calculated using a simple iterative algorithm, and

corresponds to the principal eigenvector of the normalized link matrix of the

web.

Voir aussi: http://www.webmaster-hub.com/publication/L-algorithme-du-PageRank-explique.html

- d'un calcul de la pertinence de la page vis--vis de la recherche effectue. Ceci se fait en tenant compte:

o de la prsence dans la page des mots de la recherche (ventuellement largis leurs synonymes ou leurs variantes singulier/pluriel)

o de l'emplacement de ces mots dans la page (titre, mta-donnes, texte) ou dans les liens vers cette page: ce dernier point cause parfois des problmes thiques car une page se retrouve indexe par les mots que d'autres personnes que ses auteurs utilisent pour la dsigner. (Essayez: "miserable failure", l'auteur de la page vise ne cherchait pas consciemment ce qualificatif ! )

o pour chaque mot, du nombre d'occurrences mot dans la page pondr par l'inverse de la frquence relative de ce mot dans la partie du Web indexe par Google:


tfi = frquence du terme i dans la page

dfi = nombre de pages dans le Web contenant le terme i D = nombre de documents dans le Web

Cette formule a t mise au point par Grard Salton (1927-1995), Universit Cornell, sur base de la Thorie de l'information de Shannon.

o de la distance dans la page entre les mots cherchs: plus ils sont proches l'un de l'autre, plus la page est juge pertinente vis--vis de la recherche effectue.

Voir: http://www.google.com/librariancenter/articles/0512_01.html

- du pays indiqu par lURL daccs Google : google.be accorde une nette prfrence aux sites belges, google.fr aux sites franais, google.com aux sites amricains et google.co.uk aux sites anglais, etc. Il est rellement important de choisir la localisation de ses recherches. La page suivante devrait plus souvent servir de page de dmarrage dune recherche: http://www.google.com/language_tools?hl=fr

- de la langue de l'utilisateur qui est aussi celle des mots cherchs : le seul formulaire permettant de la spcifier est sur http://www.google.com/language_tools?hl=fr . Le seul autre moyen de changer la langue de l'utilisateur est de modifier la main l'URL de Google (http://www.google.be/search?hl=fr&q=... ) en changeant le paramtre &hl=xx (xx tant le code en deux lettres de la langue dsire). Il est essentiel de faire ses recherches en changeant sa langue d'utilisateur en fonction de la langue des mots cherchs. Google trie alors les documents en favorisant cette langue (et utilisera peut-tre un jour le bon dictionnaire de synonymes). Il utilise alors lalgorithme adquat pour rendre quivalents le singulier et le pluriel, le fminin et le masculin (rappel: le nerlandais semble mal support pour l'instant).


Le moteur de recherche Exalead.com

Exalead est le concurrent europen de Google, Nous navons pas encore dploy encore autant defforts que pour Google pour le tester et nous osons esprer quExalead documentera bien son fonctionnement effectif.

La page daccueil de la Recherche avance rcapitule bien les possibilits : http://preview.exalead.fr/search?password=beta. Avec le rsultat dune recherche, on trouve droite des propositions automatiques de diffrents critres (termes frquents, formats des documents, langues, etc.) pour affiner ses rsultats.

Les expressions de recherche comportent les possibilits habituelles des systmes de recherche documentaire :

o Expressions boolennes compltes (parenthses pour les sous expressions, oprateurs AND, OR, AND NOT mais aussi NEAR)

o Troncature mais droite seulement

o Recherche dune phrase exacte, recherche phontique, recherche dun mot avec une ventuelle erreur de frappe

Termes chercher:

H2SO3 est cherch comme un seul mot et Exalead ne trouve alors pas les documents avec H 2 SO 3 ou H2SO3 dans leur texte. Ceux-ci sont retrouvs en demandant "H 2 SO 3". En thorie H-2-SO-3 devrait donner un bon rsultat : une bonne question poser aux dveloppeurs de Exalead !

Les mots "vides" (dans la langue de l'utilisateur) ne sont pas pris en compte (voir +mot plus loin). Th ne trouve RIEN ( the est un mot vide en anglais) et "th" rpond Nos serveurs sont indisponibles !

mot : Un mot exact sans tenir compte de laccentuation

mot* : tous les mots commenant avec les caractres indiqus

"mot mot" : une suite de mots telle quelle, une expression

site:www : un site d'origine

intitle:"mot mot" : une suite de mots spcifiquement dans le titre

language:xx : restreindre aux documents de la langue spcifie (fr : franais, en : anglais, nl : nerlandais, etc.)

date >= aaaa/mm/jj : les documents modifis depuis la date indique

date


Dans une /expression rgulire/ :

le point (.) peut tre utilis la place de n'importe quel caractre,

* suffixe ce qui peut se rpter, ? suffixe ce qui est optionnel

| spare des alternatives,

les parenthses peuvent tre utilises pour grouper des sous-expressions.

Par exemple :

/j(unio)?r/ trouve aussi bien Jr que Junior

mp(1|2|3|g) trouve les mp1, mp2, mp3 ou mpg

/envel*op*e/ NEXT /ad*res*e*/ permet de trouver enveloppe adresse mme avec des rptitions de lettres de mauvais aloi

Oprateurs logiques (boolens):

Toujours taper le nom de ces oprateurs en majuscules !

espace (ET)

mot NEAR mot : les deux oprandes doivent tre moins de 16 mots l'une de l'autre, dans n'importe quel ordre

mot NEXT mot : idem, mais le deuxime mot doit apparatre aprs le premier

mot OR mot (OU)

AND NOT ou mot (SAUF) : exclure un mot

OPT mot: mot optionnel mais augmentant la pertinence du document

( ) : une sous-expression logique (boolenne) peut tre spcifie gauche ou droite des oprateurs ET (espace), OU (OR), SAUF (AND NOT)

Tris des rsultats:

Normalement par pertinence dcroissante avec un algorithme trs semblable celui de Google car les rsultats de l'un sont proches de ceux de l'autre. Comme Google, le tri favorise les documents o les diffrents mots spcifis sont proches les uns des autres.

Le tri par date est aussi possible:

sort:new

sort:old


Stratgie de recherche documentaire

Procdure de recherche suggre par l'Universit de Berkeley:

1. What UNIQUE WORDS, DISTINCTIVE NAMES, ABBREVIATIONS, or ACRONYMS are associated with your topic? These may be the place to begin because their specificity will help zero in on relevant pages. 2. Can you think of societies, organizations, or groups that might have information on your subject via their pages? Search these as a phrase in quotes, looking for a home page that might contain links to other pages, journals, discussion groups, or databases on your subject. You may require the phrase in quotes to be in the documents titles by preceding it by title:[no space] 3. What other words are likely to be in ANY Web documents on your topic? You may want to require these by joining them with AND or preceding each by +[no space] 4. Do any of the words in 1, 2, or 3 belong in phrases or strings -- together in a certain order, like a clich? Search these as a phrase in quotes. (E.g., affirmative action or communicable diseases) 5. For any of the terms in #4, can you think of synonyms, variant spellings, or equivalent terms you would also accept in relevant documents? You may want to allow these terms by joining them by OR and including each set of equivalent terms in ( ). 6. Can you think of any extraneous or irrelevant documents these words might pick up? You may want to exclude terms or phrases with -[no space] before each term, or AND NOT 7. What BROADER terms could your topic be covered by? When browsing subject categories or searching sites of webliographies or databases on your topic, try broader categories.


Procdure complte -- Besoins et solutions

Vous cherchez d'abord des documents qui voquent vos besoins, sans forcment tout de suite mentionner les axes de solution: vous laissez ainsi un espace pour la "surprise", l'axe de solution que vous n'aviez pas imagin.

La procdure ci-dessous est donc reprise plusieurs fois: pour des expressions de besoin et ensuite pour des axes de solution.

L'anglais et le franais tant souvent semblables (plusieurs dizaines de milliers de mots similaires entre les deux langues), on a souvent l'illusion d'avoir couvert les documents dans les deux langues en une seule dmarche. Il est recommand de traiter chaque langue sparment en n'oubliant pas de changer la langue de l'interface utilisateur (paramtre &hl=xx).

Il y a des diffrences entre langlais UK et langlais US (centre vs center, globalisation vs globalization, lorry vs truck). Loprateur ~mot (synonymes) de Google permet den tenir compte : Google devrait peut-tre considrer certaines de ces diffrences comme des variantes comme le singulier et le pluriel.

Procdure complte -- Pour chaque expression de recherche

En une phrase courte mais prcise et non ambigu, pour quelle raison faites-vous une recherche ?

Quels sont les diffrents lments (concepts, lieux, organisations, personnes, codes, etc.) mentionns dans cette phrase ?

Pour chacun de ces lments, crivez une ligne dans un bloc note (NotePad) avec une suite de termes spars par l'oprateur OR (en majuscules, abrg par "|" ):

On donne plus loin diffrents conseils sur la prparation des diffrents types d'lments


Petit rappel des oprations boolennes

Rappel et prcision

Il s'agit pour une expression (besoins, axes de solution) de trouver un maximum de documents (rappel) avec un minimum de bruit (bonne prcision).

Pour chaque lment de l'expression de besoin ou de solution, on s'assure de l'exhaustivit en faisant OR (OU) entre chaque terme pouvant servir nommer prcisment cet lment (synonymes, spcifiques, antonymes complets, etc.). Exemple: baleine | baleineau | rorqual Attention : le tri de Google donne une prfrence aux documents qui mentionnent plusieurs des diffrents termes lis par un OR.

La prcision sur un terme peut s'obtenir en contrlant bien la distance permise entre les mots qui composent le terme et (le moins souvent possible) en rejetant les occurrences du terme si elles se trouvent prs de mots indiquant un contexte incompatible. Exemple: baleine parapluie

Les parenthses sont conseilles pour entourer chaque groupe de termes pour un concept (Google n'a pas l'air d'en faire grand-chose)

La prcision globale s'obtient en exigeant la prsence de chacun des concepts prsents dans l'expression de dpart (espace (ET) entre les concepts)


Grandes tapes dans la prparation d'une recherche Google ou Exalead

Voici les principales tapes de la mise en uvre de cette stratgie:

1. Identifier les diffrents concepts qui entrent dans l'expression du sujet de la recherche:

Par exemple: dure du cong de maternit

2. Exhaustivit: Pour chacun de ces concepts, rassembler un maximum de manire de l'exprimer et faire un OU (union) entre chaque mot

dure | longueur | semaines | mois

Avec Google, on peut utiliser le tilde avant un mot pour qu'il mette lui-mme des synonymes de ce mot:

~dure | longueur | semaines | mois

Mais si lexpression qui exprime un concept est compose de plusieurs mots, il faut runir ceux-ci par des guillemets ("cong de maternit") sans quoi on recevra aussi les pages o ces mots ne sont pas conscutifs.

3. Prcision: Mettre ces expressions de recherche d'un concept cte cte pour obtenir seulement les documents qui possdent cette combinaison de concepts (ET implicite entre les groupes avec Google ou Exalead)

(~dure | longueur | semaines | mois) (~cong | pause | ~vacances) ( maternit | ~accouchement | naissance)

Adapter sa recherche au type d'information

Un objet "identifi":

Identifiant ou Code = "suite de lettres ou de chiffres taper telle quelle"

Ce type d'information est le plus sensible aux problmes lexicaux (frontires variables entre les mots, impossibilit de chercher des signes de ponctuation prcis). Les moteurs de recherche obligent spcifier manuellement toutes les variantes pour faire une recherche exhaustive : la maturit dune technologie se mesure lattention porte aux dtails qui affectent les utilisateurs

Un document: ISBN, ISSN: avec ou sans ponctuation, avec ou sans chiffre-preuve. Par exemple: 2748900375 | "2-7489-0037"

Un produit: Code utilis par le fabricant, les distributeurs; formule chimique. Par exemple, le CAS (Chemical Abstract Service Number) est souvent trs prcis (on peut souvent omettre le mot CAS) : "CAS 118-55-8"


Un site Internet: Celui-ci est identifi par un URL . lURL peut tre dans le texte (lutilisateur pouvant le copier/coller dans la zone adresse de son navigateur) ou il peut tre dans une balise HTML . Dans le premier cas, la recherche "www domaine be" fait laffaire.

Dans le second cas, Google permet de chercher inurl:"www.domaine.be" .

Un numro de tlphone et les diffrentes variantes dans le regroupement des chiffres. Par exemple, pour trouver tous les documents mettant en contact avec une grande firme Bruxelles, on pourrait vouloir chercher son numro de tlphone avec les diffrentes faons de lcrire : IBM "02 225 3333" | "02 225 33 33" | "2 225 3333" | "2 225 33 33" | "022253333" | "22253333"

Une date avec toutes ses variantes de forme, de langue, d'ordre ou de prcision. Exemple: "27 05 1958"|"1958 05 27"|"27 mai 1958"|"may 27th 1958"|"may 27 1958"|"27 may 1958"|"27

05 58"|"58 05 27"|270558|580527|27051958|19580527

Problme des ponctuations parasites: ds qu'une balise HTML (mme invisible) se glisse dans le mot ou dans le code, celui-ci est considr comme scind en deux mots.

Exalead permet les /expressions rgulires/ (chre Unix : voir plus haut) mais sur les mots seulement. Ceci ne permet donc pas de rduire les recherches sur un code dont les frontires de mots varient.

Google permet d'crire 354-1096 pour exprimer "354 1096" | "3541096". Malheureusement, on ne peut pas mettre plusieurs tirets de file: 354-10-96 ne fonctionne pas bien

Un "nom propre"

Le principe gnral est de rassembler toutes les variantes du nom lui-mme (initiales par exemple) et des ventuelles parties, rgions (lieux) ou filiales (entreprises) :

Un lieu:

Identifier : Synonymes et abrviations / Traductions / Spcifiques

Par exemple : Belgique|Bruxelles|Anvers|Gand|Lige|Namur

Les noms de lieux ont souvent des variantes selon la langue qui sert les nommer (Lige|Luik, Moscou|Moscow|). Plusieurs langues admettent les dclinaisons qui font varier la fin d'un mot: l'oprateur de troncature * est alors bien utile (Exalead seulement).

Exemple: Quels sont les exportations de la Rpublique de Macdoine ?

~importation (rpublique | republic) (macdoine | macdonien |

macedonia | macedonian | makedonia | "F Y R O M")

La translittration est lopration permettant dadapter lcriture dans notre alphabet dun mot provenant dun autre alphabet. Elle tente surtout de prserver la prononciation. Cette technique permettrait aux moteurs de recherche de rendre accessibles plus de textes trangers sur des lieux, des


personnes ou des entreprises dont on a entendu le nom. Par exemple, serait index Republika Makedonuja .

Une institution ou une entreprise:

Identifier : Synonymes / Sigles / Traductions / Partie de/compos de / Changement du nom travers l'histoire

Il n'est pas ncessaire de faire "I B M" | IBM: Google le fait

automatiquement pour les mots de une lettre : il suffit de taper "I B M".

Une personne:

Identifier : Abrviations, ordre/absence des prnoms, d'une initiale (anglo-saxons)

Chercher quelqu'un s'appelant "Prnom Initiale Nom":

"Prnom I Nom" | "P I Nom" | "Nom Prnom I" | "Nom P I"

Google cherche alors automatiquement aussi bien "P I" que "PI". Si PI est un mot frquent (et introduit donc du bruit dans la recherche), vous pouvez crire:

"Prnom I Nom" | "+P +I Nom" | "Nom Prnom I" | "Nom +P +I"

On peut aussi exiger la prsence ou l'absence d'accents pour discriminer entre des textes de diffrentes langues: +mlanie par exemple ne trouve

pas Melanie Griffith.

Un "nom commun"

Trouver toutes les faons d'exprimer un concept peut demander toute une recherche en soit:

- Effort de rflexion pour trouver des synonymes et leurs variations lexicales

- Traductions vers d'autres langues: http://www.systransoft.com

- Utilisation de dictionnaires ou de thsaurus en ligne. Mentionnons:

o http://atilf.atilf.fr/dendien/scripts/tlfiv4/showps.exe?p=combi.htm;java=no; (Trsor de la Langue Franaise)

o http://dico.isc.cnrs.fr/dico_html/ (franais et anglais)

o http://wordnet.princeton.edu/ (anglais)

o http://thesaurus.reference.com/ (anglais)

mot : suffit si les variantes singulier/pluriel+fminin/masculin+avec/sans

accents, proposes par le moteur de recherche pour votre langue, pourront suffire (ne fonctionne pas bien en nerlandais)

~mot : l'lment n'est pas rellement un lment central de la recherche

mais permet de mieux cibler le genre de rsultat dsir (par exemple: ~definition, ~comparaison, ~problem, etc.) et vous pensez que les synonymes gnraux et pour langlais seulement que Google peut proposer feront l'affaire


"mot mot" : les mots spcifis doivent tre, dans l'ordre, les uns

cots des autres. Au besoin, ne pas hsiter crire plusieurs variations de l'ordre ou dans les abrviations (OR entre chaque forme) La ponctuation ne compte pas !

Avec Exalead, vous pouvez aussi utiliser:

o mot NEAR NEAR mot mots proches dans le texte, quel que

soit l'ordre

o mot NEXT NEXT mot idem mais ordre significatif

(mot -motIdentifiantUnContexte) : Une variante de signification

peut tre supprime en excluant un contexte o elle apparat. Par exemple, baleine parapluie, pied "va-nu-pied"

"mot" : la recherche doit tre faite sur une squence, un code ou une

variante prcise

+mot : tenir compte des accents (ds, th). Ceci nest plus trs utile

depuis que Google favorise toujours la forme accentue que vous indiquez

Un objet

Identifier : Synonymes, abrviations / Traductions / Spcifiques+Gnriques / Changement du nom travers l'histoire

livre | imprim | parchemin | publication | almanach |

Un concept

Identifier : Synonymes, abrviations / Traductions / Spcifiques+Gnriques / Changement du nom travers l'histoire ou selon les auteurs (coles de pense)

Une source

Les sites Internet sont identifis par un nom de domaine. Ce dernier va, de gauche droite, du spcifique au gnrique.

Vous pouvez restreindre une recherche en indiquant site:domaine. Comme tous les niveaux de domaines sont permis, vous pouvez, par exemple:

site:db.amazone.be pour les banques de donnes de lASBL

Amazone

site:amazone.be pour tout le site de lASBL Amazone

site:qc.ca pour un site qubcois

site:ca pour un site canadien

site:ac.be pour un site acadmique belge

site:co.uk pour un site commercial du Royaume Uni

Vous pouvez faire | pour unir plusieurs domaines:

site:co.uk | site:com | site:biz pour un site commercial


Un nombre

Google est capable de chercher sur un intervalle de nombre la condition que ceux-ci soient nots dans la forme nord amricaine (123 456.9999) et non pas europenne (123.456,9999).

On peut alors chercher sur un intervalle not minimum..maximum (minimum et maximum pouvant avoir des dcimales).

On peut aussi crire numrange:minimum-maximum (minimum ou maximum

peut alors tre omis pour indiquer un intervalle ouvert).

On ne peut pas chercher des nombres ngatifs (commenant par un "-") !

L'analyse du rsultat des recherches

Les moteurs de recherche retournent un court extrait de chacun des documents trouvs, par pages de 10 20 documents.

Il est intressant de reprer le type d'un document sans mme cliquer pour le visualiser: les menus, index, tables des matires, rpertoires, fichiers de donnes, etc. sont souvent inutiles mais retrouvs car ils contiennent un grand nombre de mots diffrents. Les moteurs de recherche ne sont pas encore capables de filtrer en fonction du type des documents.

Avec Firefox, il est pratique de parcourir la ou les pages de rsultats en envoyant chaque page potentiellement intressante dans un onglet diffrent: on n'est pas drang pendant le chargement des pages et celles-ci sont toutes prtes quand on veut examiner leur contenu par la suite.

Le document:

Les crateurs des moteurs de recherche font dj des efforts importants pour analyser la forme des documents pour en faire des critres de tri ou de recherche (balises donnant des meta-informations, textes dans des balises qui les mettent visuellement en valeur, textes dans des liens vers dautres pages, comparaison des volutions des documents entre deux passages, profondeur de la page dans le site, etc.).

Il serait intressant que les moteurs de recherche permettent de spcifier des critres encore plus sophistiqus sur les documents. Voici quelques ides dinformations qu'ils devraient pouvoir rcolter et structurer automatiquement.

Le contexte d'un document:

Site: on a dj l'oprateur site:domaine vu plus haut

Auteurs (institutions, personnes)

Hirarchie et taille des units documentaires. Est-ce un document complet ou un document dcoup pour une navigation plus facile? La recherche pourrait elle tre affine en considrant comme des pages indpendantes les sections d'un grand document ?


La ou les langues du document (une langue par unit documentaire?). On a dj l'oprateur language:xx

Les sujets normaliss selon un ou l'autre thsaurus (par exemple le MESH en mdecine) ce qui ouvrirait la voie la cartographie automatique des sujets d'un ensemble de document.

Les formats de reprsentation: o HTML o Microsoft Power Point, Word, Excel o GIF, PNG, JPEG, MPEG o Adobe Acrobat PDF o etc.

On a dj l'oprateur filetype:extension

Les lments d'un document:

Mta-donnes

Titre: on a dj intitle:"mots chercher"

Menus de navigation

Table des matires

Texte

Bibliographie

Les types de document:

Menus de navigation

Listes de liens

Glossaires, dictionnaires, dfinitions

Normes, standards

Catalogues de cours

Catalogues de produits

Plaquettes publicitaires

Documentations techniques de produits

Cours

Blogs

Forum

Images

Enregistrements

Biographies

Critiques

etc.

C'est ce type d'amliorations qui se dessinent avec les Digital Libraries, les Open Archives et le Semantic Web.


Bibliographie sur les mthodes de recherche

Aeris, Aide aux tudiants pour la recherche d'information scientifique, Guillemette Lauters, 1999-2006, http://users.11vm-serv.net/aeris/

CERISE, Conseils aux Etudiants pour une Recherche d'Information Spcialise Efficace, URFIST de Paris, 1999, 2007 http://www.ext.upmc.fr/urfist/cerise/index.htm

Infosphre, Apprendre faire une recherche d'information efficace, Service des bibliothques de l'UQAM, 2007, http://www.bibliotheques.uqam.ca/InfoSphere/

SAPRISTI, des Sentiers d'Accs et des Pistes de Recherche d'Information Scientifiques et Techniques sur Internet, Doc'INSA, INSA de Lyon, 1997-2007, http://docinsa.insa-lyon.fr/sapristi/

University of California Berkeley Library "Teaching Library Internet Workshops", 2008 http://www.lib.berkeley.edu/TeachingLib/Guides/Internet/About.html

Recherches sur Internet: méthode et astuceseprints.rclis.org/15521/6/25970.pdf · Recherche sur...

Documents

Transcript of Recherches sur Internet: méthode et astuceseprints.rclis.org/15521/6/25970.pdf · Recherche sur...